یادگیری ماشین در Google Cloud: مدلهای توالی و متن
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مقدمهای بر شروع کار با Google Cloud Platform (GCP)
- خواندن و پردازش داده متنی در GCP
- پیادهسازی تکنیکهای رایج پردازش زبان طبیعی (NLP) مانند تحلیل موجودیت و تشخیص کلمات کلیدی بر روی داده متنی
- انجام طبقهبندی متن با استفاده از مدلهای یادگیری عمیق
- شروع کار با OpenAI برای تحلیل متن مبتنی بر Large Language Model (LLM)
توضیحات دوره
پردازش زبان طبیعی (NLP) زیرشاخهای از هوش مصنوعی (AI) است که رایانهها را قادر میسازد زبان گفتاری و نوشتاری انسان را درک کنند. NLP کاربردهای متعددی دارد، از جمله تبدیل متن به صدا و گفتار به متن، چتباتها، سیستمهای پرسش و پاسخ خودکار (Q&A)، ایجاد خودکار شرح تصاویر و زیرنویس ویدیو. با معرفی ChatGPT، هم NLP و هم Large Language Modelها (LLM) به طور فزایندهای محبوب خواهند شد و به طور بالقوه منجر به افزایش فرصتهای شغلی در این شاخه از هوش مصنوعی میشوند. Google Cloud Processing (GCP) این پتانسیل را ارائه میدهد که از قدرت رایانش ابری برای پیکرههای متنی بزرگتر استفاده کرده و مدلهای تحلیل متن مقیاسپذیر توسعه دهید.
دوره مدرس اصولی برای انجام تحلیل متن عملی و واقعی مبتنی بر NLP و LLM با استفاده از GCP فراهم میکند. با گذراندن این دوره، شما گام مهمی در مسیر علم داده خود به سوی تبدیل شدن به یک متخصص در استفاده از قدرت داده متنی برای استخراج بینش و شناسایی روندها برمیدارید.
این دوره به شما کمک میکند تا در تحلیل متن GCP با استفاده از تکنیکهای NLP ،OpenAI و تحلیل LLM مهارت پیدا کنید. به طور خاص، شما:
- در راهاندازی و استفاده از Google Cloud Processing (GCP) برای تسک های علم داده Python مهارت کسب خواهید کرد.
- تکنیکهای استاندارد استخراج متن را انجام خواهید داد.
- اطلاعات متنی استخراجشده را از طریق تکنیکهای پیشپردازشی که با بستههای قدرتمند Python مانند NLTK پیادهسازی میشوند، به شکلی قابل استفاده پردازش خواهید کرد.
- اصول کامل در تحلیل متن و بستههای Python مرتبط با NLP مانند NLTK ،Gensim و غیره کسب خواهید کرد.
- از مدلهای یادگیری عمیق برای انجام تسک های روزمره تحلیل متن مانند طبقهبندی متن استفاده خواهید کرد.
- مقدمهای بر چارچوبهای رایج LLM مانند OpenAI و Hugging Face خواهید داشت.
این دوره برای چه کسانی مناسب است؟
- افرادی که مایل به یادگیری عملی متنکاوی و پردازش زبان طبیعی هستند.
- افرادی که مایل به استخراج بینش از داده متنی هستند.
- افرادی که میخواهند از قدرت رایانش ابری از طریق GCP استفاده کنند.
یادگیری ماشین در Google Cloud: مدلهای توالی و متن
-
به دوره خوش آمدید 02:25
-
نصب Python 05:44
-
نصب بستهها در Google Colab 04:27
-
از کجا شروع کنیم؟ 02:29
-
نگاهی به رابط کاربری GCP (و دسترسی به نسخه آزمایشی رایگان) 02:28
-
مجوزها و دسترسی 03:16
-
برخی از کامپوننت های یادگیری ماشین GCP 01:34
-
GCP و APIهای یادگیری ماشین 01:34
-
Bucketهای GCP 04:55
-
صحبت از مجازیسازی: ماشینهای مجازی (VM) 05:08
-
مفاهیم پایهای و جزئیات فنی Google BigQuery 05:51
-
کار با Jupyter Notebookها (روش Vertex) 06:53
-
کار با JupyterLab 04:04
-
دسترسی سریع 00:40
-
پیشنیاز نصب TensorFlow 02:07
-
دسترسی به داده از Bucketها در JupyterLab 04:24
-
شروع با محیط Google Colaboratory 07:13
-
Google Colab و GPU 05:50
-
دسترسی به یک فایل CSV از Bucketهای GCP در Colab 04:28
-
چندین فایل PDF 04:05
-
دریافت دسترسی به API OpenAI 04:02
-
ثبتنام در HuggingFace 02:43
-
معرفی LangChain 04:30
-
خواندن یک PDF 07:39
-
خواندن چندین PDF 06:09
-
پاکسازی اولیه متن 07:05
-
پاکسازی متن با NLTK 03:14
-
NLP 04:02
-
استخراج کلمات کلیدی 03:00
-
TF-IDF 01:53
-
تشابه اسناد 03:36
-
تشابه متن 04:40
-
تشابه متن با Transformers 02:49
-
شناسایی موجودیتهای نامدار (NER) 04:26
-
پیوند موجودیتهای نامدار (NEL) 02:45
-
تئوری LSTM 05:40
-
مراحل مقدماتی 06:37
-
قالببندی داده متنی 03:04
-
رمزگذاری و Padding 02:02
-
ساخت مدل LSTM 07:17
-
نصب DistilBERT 04:32
-
ساخت یک مدل طبقهبندی 06:21
-
معرفی Numpy 03:46
-
Pandas چیست؟ 12:06
-
پاکسازی اولیه داده با Pandas 04:30
-
دیکشنری 10:33
مشخصات آموزش
یادگیری ماشین در Google Cloud: مدلهای توالی و متن
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:همه سطوح
- تعداد درس:46
- مدت زمان :03:28:43
- حجم :1.65GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy